IPV4理论知识2----分类编址

2023-11-21 10:38

本文主要是介绍IPV4理论知识2----分类编址,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

IPV4理论知识2----分类编址

 

前言

 

前面说过IPV4的理论知识,这里再说一下关于IPV4的那些没说到的知识,有同学反应我的博客排版格式绝了...我正在努力改正,正确让大家能看到一种比说书还好看的内容,比苍老师还漂亮的排版.

 

 

分类编址

 

IPV4的体系中有分类编址,肯定还有无分类编址,啥叫分类编址?别急,往下看.在分类编址时,IPV4地址分为A,B,C,D,E这五类.每类占用的IP比例和个数如下图

 

 

 

 

IPV4分类识别

 

 

 

计算机以二进制方式存储IPV4地址,在这种情况下可以很方便的写出一种算发,通过一个连续检查过程来查找出该IP地址的类别.流程图如下:

 

 

 

 

 

网络标识和主机标识

 

对于A,B,CIP地址,都可以划分为网络和主机标识两部分.其中网络标识和主机标识的长度随地址类别的不同变化.网络标识和主机标识其实很好理解,就相当于我们使用的电信的座机号码.例如,我在山东淄博,0533-88888888,其中网络标识就相当于0533,主机标识就对应号码88888888.下图很清楚的说明了A,B,C类地址的网络标识和主机标识的长度.

 

 

 

 

地址类和地址块

 

分类编制中每一类地址都被划为固定数目的地址块.而每一个地址块的大小是固定的.看下图:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

扩展知识

 

啥叫分类编址?传统上将IP地址划分为5.

 

如果你仔细看了上面的图,就应该能看到上面5类地址分类识别,D类地址用于多播编址,E类地址留给未来使用.剩下的A,B,C类地址用于标识单个网络和主机的主要地址类型.

 

地质类别是由前导1比特的个数标识的.A类地址由另个前导1比特,B类地址有一个,C类由两个,以此类推.标识地址很重要,因为对其余比特的解释都取决于地址的类型.

 

A,B,C类地址的其余比特被分为两个部分.其中第一部分是网络标识,用来标识地址所指的特定网络.之后是主机标识,用来标识特定网络中的那台电脑.

 

类别标识符比特也被当做网络标识的一部分.因此,130.50.10.200这个IP是一个网络标识为0x8232,别问咋来的,动动脑子.上面说了.

 

将地址空间划分为不同的类别是为了提高地址使用灵活性,不浪费地址.例如,A类地址就适用于具有大量(最多16177214)主机的网络.

可用的主机标识有224个或16177216,但主机0和主机标识全1都有特殊的含义.主机ID1是广播地址.地址为广播地址的IP数据报会被传送到网络上所有的主机,主机标识为0标识”本主机”,只有在启动阶段,主机才会将其用作源地址来发现其主机号.因此,主机的数量通常都是2n 2,其中n是知己标识的比特数.

 

A类网络的网络标识为7比特,所以有128个可能的A类地址.

 

和主机标识一样,这些网络中有两个被保留起来.网络0标识”本网络”,想主机0一样,再启动阶段,将其作为源地址来发现网络号.网络127是主机内部网络.发送给网络127的数据报就不应该离开源端主机.这个地址通常被称为环回(loopback)地址,因为发送给它的数据都被”环回”到同一主机上去了.

 

另一个极端的网络类别是C.C类网络有很多,但每个网络都只有254个可用的主机标识.A类地址用于少量拥有数百万主机的网络,C类地址则可用于数百万个只拥有少数主机的网络.

类别

网络

主机

地址范围

A

B

C

128

16284

2097152

16777214

65534

254

0,0,0,1~127.255.255.255

128.0.0.0~191.255.255.255

192.0.0.0~223.255.255.255

A,B,C类地址的网络数,主机数和地址范围

 

TCP/IP协议的设计者最初认为网络应该是以百计的,主机数应该是以千计的.

 

实际上呢,最初的设计中只有现在被称为A类地址的部分.将其划分为三类是后来为了适应网络数多于256的情况.

 

正如我们所知道的那样,廉价且无处不在的PC使网络和主机的数量出现了爆炸性的增长.现在因特网的规模已经远远超过了其设计者的预想.

 

这种增长暴露了分类编址的弱点.第一个问题是A类和B类网络中的主机的数量太大了.要知道,网络标识是用来说明一个物理网络,比如一个LAN.但是没有谁会把65000台主机放在一个物理网络中,更不要说16 000 000台了,相反,大型网络都被划分为由路由器链接的,较小的网段了.

 

作为一个简单的案例,我们看看下图中显示的两个网段

 

如果主机H1和主机H2进行通信,他只需要用仁义驿中适用于低层网络的方法将H2IP地址映射为它的物理地址,并将IP数据报放到”线路上”去就可以了.

 

现在假设主机H1和主机H3进行通信.但是即使H1知道或者能够发现H3的物理地址,H1也无法直接向H3发送IP数据报,因为H1H3处于不同的网络----比如,不同的以太网电缆上.作为一种替代方式,H1要通过路由器R1间接的将数据报发出去.如果两个网络的网络标识不一致,H1只需要查询它的路由表以确定网段2的分组是由路由器R1处理的,然后将数据报发送给R1,并通过它转发给H3就可以了,总之一句话,路由器就是起到一个中转的作用.

 

除了为两个网段使用不同的网络标识,还有什么其他替代方法呢?对传统的分类编址方式来说,有两种可能的方法.一种方法是在H1的路由表中为网段2上的每台主机都包含一个条目,用来说明此主机的下一跳地址是R1.网段1的每台主机都要有相同的路由表,而网段2上的每台主机都要有一个类似的路由表对网段1的主机进行说明.很显然,对主机数量较多的情况来说,这种解决方法的扩展性不好.另外路由表需要手工维护,这是管理者不愿意看到的,因此这种方式基本不用.

 

另一种可能的方式被称为代理ARP,网段1R1当做H3,H4H5,网段2R1当做H1,H2R2.

 

代理ARP也被称为也称为混合ARP或者ARP出租.

 

只有当底层网络使用ARP(地址解析协议)IP地址映射为物理地址时,才能使用这种方式.使用ARP,要将IP地址映射为物理地址的主机会广播一条报文,请求具有期望IP地址的主机回送其物理地址.当然,网络上的所有主机都会受到ARP请求,但只有正确的IP地址的主机才会相应.

 

使用代理ARP,如果H1要向H3发送一条IP数据报,但不知道其物理地址,它就会发送一条ARP请求,询问H3的物理地址.H3位于另一个网络上,所以它无法受到ARP请求,但作为其代理的R1是可以收到的,R1会用自己的地址应答.当发送给H3的数据报到达R1,R1会将其转发给H3.H1来说,看起来就和H3和它处于同一个网络中一样.

 

正如前面提到的,代理ARP只能在使用ARP的网络上工作,而且只能在箱单简单的网络拓扑中工作.比如,我们可以想像一下如果有多台路由器连接到网段12,会发生什么情况.

 

从这里讨论的来看,对带有多个网段的网络来说,最通用的解决办法似乎是为每个网段分配一个独立的网络ID,但这种方法也有它自身的问题.首先,每个网络中都有很多潜在被浪费了的IP地址.比如,如果这段网络的每个网络都有自己的B类地址,那么与每个B类网络地址相关的大部分IP地址都会被浪费掉.要记住,每个B类网络地址中都有65534个主机地址.

 

第二,所有能将数据报直接传送到互联的网络上去的节点,都要在其路由表中为每个网段设置一个单独的条目.对我们举得这个小例子,这没啥问题,但是如果一个网络上包含了百个网段,并且有很多这样的网络,那么路由表就会变得很大了.

 

这个问题可能要比刚开始看起来更严重一点.路由器的内存通常是有限的,而且通常会将路由表放在接口板上一块特殊用途的内存中.

 

注意,如果只有一个网络标识是怎么消除这两个问题?需要更多主机时,总是可以通过添加网段来使用这些IP地址,这样IP地址就不会被永久浪费了.因为 只有一个网络标识,所以,只需要一个路由表条目就可以向网络中另一台主机发送数据报了.

 

 

小小的总结一下

 

本次主要是讲解IPV4的分类编址,内容看着多,实际上重点的东西不多,扩展的内容明白一下就可以了,那几个图都很重要,因为这些图很好懂,想我这样的屌丝都能看懂,想你肯定能看明白.

这篇关于IPV4理论知识2----分类编址的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/401802

相关文章

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

用Pytho解决分类问题_DBSCAN聚类算法模板

一:DBSCAN聚类算法的介绍 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一种基于密度的聚类算法,DBSCAN算法的核心思想是将具有足够高密度的区域划分为簇,并能够在具有噪声的空间数据库中发现任意形状的簇。 DBSCAN算法的主要特点包括: 1. 基于密度的聚类:DBSCAN算法通过识别被低密

PMP–一、二、三模–分类–14.敏捷–技巧–看板面板与燃尽图燃起图

文章目录 技巧一模14.敏捷--方法--看板(类似卡片)1、 [单选] 根据项目的特点,项目经理建议选择一种敏捷方法,该方法限制团队成员在任何给定时间执行的任务数。此方法还允许团队提高工作过程中问题和瓶颈的可见性。项目经理建议采用以下哪种方法? 易错14.敏捷--精益、敏捷、看板(类似卡片)--敏捷、精益和看板方法共同的重点在于交付价值、尊重人、减少浪费、透明化、适应变更以及持续改善等方面。

【python计算机视觉编程——8.图像内容分类】

python计算机视觉编程——8.图像内容分类 8.图像内容分类8.1 K邻近分类法(KNN)8.1.1 一个简单的二维示例8.1.2 用稠密SIFT作为图像特征8.1.3 图像分类:手势识别 8.2贝叶斯分类器用PCA降维 8.3 支持向量机8.3.2 再论手势识别 8.4 光学字符识别8.4.2 选取特征8.4.3 多类支持向量机8.4.4 提取单元格并识别字符8.4.5 图像校正

PMP–一、二、三模–分类–14.敏捷–技巧–原型MVP

文章目录 技巧一模14.敏捷--原型法--项目生命周期--迭代型生命周期,通过连续的原型或概念验证来改进产品或成果。每个新的原型都能带来新的干系人新的反馈和团队见解。题目中明确提到需要反馈,因此原型法比较好用。23、 [单选] 一个敏捷团队的任务是开发一款机器人。项目经理希望确保在机器人被实际建造之前,团队能够收到关于需求的早期反馈并相应地调整设计。项目经理应该使用以下哪一项来实现这个目标?

基于深度学习 卷积神经网络resnext50的中医舌苔分类系统

项目概述 本项目旨在通过深度学习技术,特别是利用卷积神经网络(Convolutional Neural Networks, CNNs)中的ResNeXt50架构,实现对中医舌象图像的自动分类。该系统不仅能够识别不同的舌苔类型,还能够在PyQt5框架下提供一个直观的图形用户界面(GUI),使得医生或患者能够方便地上传舌象照片并获取分析结果。 技术栈 深度学习框架:采用PyTorch或其他

电脑驱动分类

电脑驱动程序(驱动程序)是操作系统与硬件设备之间的桥梁,用于使操作系统能够识别并与硬件设备进行通信。以下是常见的驱动分类: 1. 设备驱动程序 显示驱动程序:控制显卡和显示器的显示功能,负责图形渲染和屏幕显示。 示例:NVIDIA、AMD 显示驱动程序。打印机驱动程序:允许操作系统与打印机通信,控制打印任务。 示例:HP、Canon 打印机驱动程序。声卡驱动程序:管理音频输入和输出,与声卡硬件

如何将卷积神经网络(CNN)应用于医学图像分析:从分类到分割和检测的实用指南

引言 在现代医疗领域,医学图像已经成为疾病诊断和治疗规划的重要工具。医学图像的类型繁多,包括但不限于X射线、CT(计算机断层扫描)、MRI(磁共振成像)和超声图像。这些图像提供了对身体内部结构的详细视图,有助于医生在进行准确诊断和制定个性化治疗方案时获取关键的信息。 1. 医学图像分析的挑战 医学图像分析面临诸多挑战,其中包括: 图像数据的复杂性:医学图像通常具有高维度和复杂的结构

文本分类场景下微调BERT

How to Fine-Tune BERT for Text Classification 论文《How to Fine-Tune BERT for Text Classification?》是2019年发表的一篇论文。这篇文章做了一些实验来分析了如何在文本分类场景下微调BERT,是后面网上讨论如何微调BERT时经常提到的论文。 结论与思路 先来看一下论文的实验结论: BERT模型上面的